Matt Martin, medgrundare och VD för Clockwise – Intervjuserie

Matt Martin, medgrundare och VD för Clockwise är en före detta advokat som blev ingenjör och entreprenör och som har byggt ett av de mest avancerade AI-drivna schemaläggningsplattformarna i världen. Sedan han grundade Clockwise 2016 har han lett företaget på en mission att omdefiniera hur kunskapsarbetare hanterar sin tid, och har hjälpt över 40 000 företag, inklusive Atlassian (TEAM ), Asana och Uber. Med en karriär som har spännat över juridik, produktledning och programvaruteknik kombinerar Matt en unik mix av analytisk stränghet och teknisk expertis för att tackla en av arbetsplatsens mest försummade utmaningar: att göra tid för det som verkligen betyder något.

Du har haft en unik bana från advokat till programvaruingenjör till grundare — vad ledde dig till att starta Clockwise 2016, och hur formade den bakgrunden företagets mission?

Ja, det finns en icke-uppenbar tråd: Jag har alltid varit en stor nörd! Från att bygga webbplatser på den tidiga webben till att bygga team, när jag ser ett intressant problem, dras jag in. Att flytta från juridik till teknik i Bay Area gav mig en unik perspektiv på ett universellt problem: hur trasig kalenderhantering hade blivit. Möten i rad, dubbelbokningar och total brist på tid att faktiskt göra meningsfullt arbete.

Jag värdesätter min juridiska utbildning, men jag kan inte påstå att den är direkt tillämplig på min dagliga verksamhet längre. Det var mina startup-år, när jag arbetade på företag som inte kunde skalas effektivt delvis på grund av att alla var fast i möteshelvetet, som kristalliserade möjligheten.

Det som formade Clockwises mission — att hjälpa människor att göra tid för det som betyder mest i deras dagar — var att inse, trots vad som är allmänt trott, att produktivitet inte är ett individuellt problem, utan ett grundläggande företags-effektivitetsproblem. De bästa företagen i världen har briljanta människor, men om dessa människor inte kan hitta tid att tänka och skapa på grund av att de ständigt växlar mellan möten, är det ett massivt släp på innovation och tillväxt.

Vi byggde Clockwise för att ge företagen tillbaka det som betyder mest: fokuserad tid för deras människor att göra sitt bästa arbete.

Vilket gap såg du i arbetsplatsens produktivitet och schemaläggning som övertygade dig om att det var värt att ägna nästan ett decennium åt att lösa?

Jag ledde ett front-end-teamingenjörsteam, och jag tröttnade på att spendera otaliga timmar på att rekrytera, onboarda och integrera nya ingenjörer, bara för att de skulle komma till mig några månader senare och klaga på hur lite tid de hade på veckan att koda. Vad är det här!? De vill göra bra arbete, vi betalar dem (mycket) för att göra bra arbete, och ändå tar ingen i företaget något ansvar för den förskräckliga påverkan som dåliga scheman hade på dessa människor. Det kändes vansinnigt.

Vi behandlar tidsstyrning som en individuell börda, men det är sådant som man ger sig. Detta “sänk eller simma”-tillvägagångssätt för tidsstyrning representerar systematisk organisatorisk misslyckande maskerat som personligt ansvar. I själva verket kontrollerar anställda inte ens mycket av sin tid! Det beror på att tid är ett nätverkssystem. När en person schemalägger ett möte, påverkar det alla deltagares kalendrar, plus alla de möter. En enda schemaförändring kan påverka produktivitet över hela team.

Den primära ingången till en kunskapsekonomi är den tid och uppmärksamhet som enskilda anställda har. Ett företag som kan öka mängden påverkande anställd tid kommer att ha en otrolig fördel på marknaden. Och vilket som helst programvara som kan aktivera den produktiviteten kommer att vara vansinnigt värdefullt. Det är problemet som är värt att ägna nästan ett decennium åt att lösa.

Clockwise används nu av över 40 000 organisationer, inklusive namn som Atlassian, Uber och Netflix. Vad tror du har resonat mest med företagskunder?

När team växer, bromsar beslutsfattande, framsteg och produktivitet. Inte att förglömma att schemaläggning blir ännu mer komplex.

Företag som Uber och Atlassian förstår omedelbart att mindre tid som spenderas på att koordinera scheman betyder mer tid för påverkande arbete — det är därför de förlitar sig på oss för att hantera komplexiteten i att optimera kalendrar över hela organisationen.

Säg att jag vill schemalägga en timmes synk med mitt team. På ytan verkar det ganska enkelt, eller hur? Men det finns ganska många begränsningar att ta hänsyn till när det gäller att hitta en tid som fungerar för alla:

• 8 personer i 3 tidszoner
• 2 personer har “inga möten före 10” önskemål
• 1 person reser nästa vecka
• 3 deltagare kräver förberedelsetid

Clockwise internaliserar alla kraven och flyttar konfliktande händelser för att göra plats för det nya mötet. Det som resoneras med kunder är att de inte behöver hantera den nödvändiga kalender-Tetrisen. De vet att viktiga möten kommer att äga rum, icke-brådskande artiklar kommer att omplaneras och konflikter kommer att lösas — allt automatiskt.

Hittills har vi skapat över 7 miljoner timmar för djuparbete och omplanerat över 18 miljoner möten. För företag är det en mätbar ROI på produktivitet.

I denna vecka tillkännager du en ny generation av din schemaläggningshjärna och MCP-server. Vilka aspekter av den här lanseringen tror du kommer att ha den största omedelbara påverkan på användare?

Medan AI-ekosystemet exploderar, verkar det som att varje företag under solen har släppt en assistent, men sedan misslyckas med den mest grundläggande assistentuppgiften: mötesplanering. Vi löser det.

Clockwise MCP ger AI-agenter tillgång till världens mest avancerade schemaläggningshjärna (som vi har tillbringat 9 år med att bygga), och möjliggör för dem att resonera om tid med mänsklig nyans. För första gången kommer AI att kunna fatta schemaläggningsbeslut och implementera kalenderändringar baserat på djup kontextuell förståelse, inte bara på vilken tid som är tillgänglig.

Den omedelbara påverkan är att du nu kan säga till Claude, ChatGPT eller Cursor: “Schemalägg en 90-minuters produktgenomgång med mitt distribuerade team den här veckan, med respekt för alla fokusblock och tidszoner” och det fungerar som du skulle förvänta dig att en mänsklig assistent skulle hantera det.

Utöver den rakaste schemaläggningen låser den unika förmågan hos LLM:er tillsammans med Clockwise MCP även upp helt nya arbetsflöden. Till exempel kunde du be Claude att visa dig hur ditt teams produktivitet ser ut under de senaste månaderna, optimera ditt schema enligt Cal Newports Djuparbete-metodik, eller granska ditt barns skoltidning och blockera alla viktiga datum på din kalender.

Det är skillnaden mellan AI som kan läsa din kalender och AI som kan tänka som en erfaren EA. Den skillnaden transformerar dessa verktyg från imponerande demonstrationer till genuint användbara arbetsplatsassistenter.

Många AI-assistenter kan generera text eller kod, men snubblar på schemaläggning. Varför är tid ett så svårt problem för AI att hantera?

Att manipulera tid är något som människor hanterar intuitivt med nyans. Men be en AI-assistent att schemalägga ett teammöte nästa vecka, och den kommer att föreslå en tid när hälften av teamet sover eller är i djup fokus.

Det beror på att de flesta kalenderintegrationer behandlar schemaläggning som databasfrågor. De kan hitta tomma platser och fylla dem, men de kan inte fatta de smarta besluten som faktisk schemaläggning kräver.

Problemet är kontext. Effektiv schemaläggning kräver förståelse av mänskliga arbetsmönster utöver enkel tillgänglighet. AI behöver veta att Alex gillar att ta en kopp kaffe efter att ha lämnat sina barn på skolan, vilket gör det fönstret perfekt för ett informellt telefonsamtal men inte för en Zoom-presentation. Eller att Johanna behöver 10 minuter mellan möten för att hantera åtgärder, och hennes frekventa resor kräver asynkrona mötesformat.

Kontroversiell åsikt: men jag tror inte att att kasta mer data och beräkningar på det här problemet kommer att resultera i en bra lösning inom en snar framtid.

Hur skiljer sig den nya schemaläggningshjärnan från tidigare versioner av Clockwise, och vilka förbättringar kan användare förvänta sig?

Vi arbetar alltid med att förbättra vår schemaläggningshjärna, och den här nästa generationens intelligens är notabel i sin förmåga att vara kontextuellt medveten och tillgänglig på begäran.

Den största förändringen är att gå från reaktiv till proaktiv schemaläggning. Tidigare skulle Clockwise optimera din kalender på ett fast dagsschema; nu kan du generera optimeringar på begäran, när du behöver dem.

Vi har också aktiverat hjärnan att tänka mer holistiskt kring din kompletta arbetsbelastning. Den nya uppgiftsintegrationen tillåter Clockwise att koordinera tid för dina uppgifter tillsammans med möten, samtidigt som den respekterar deadlines och fokusblockpreferenser. Det är inte längre bara att hantera möten; det är att hantera all viktig arbete du behöver göra mellan mötena.

Och vi har dramatiskt förbättrat den underliggande algoritmens förmåga att bearbeta flera schemaförändringar samtidigt. Säg att du vill omplanera alla dina 1-mot-1-möten för veckan. Den här enskilda förfrågan utlöser Clockwise att vidta åtgärder över flera kalenderhändelser. Dessa algoritmiska förbättringar resulterar i högre framgångsgrader för att skapa fokustid och förbättra resultaten för användare.

Uppdateringen introducerar funktioner som på-begäran-optimeringar, uppgiftsintegrationer och analyser. Hur förändrar dessa förbättringar sättet som individer och team kan arbeta med sina kalendrar?

På-begäran-optimeringar är en spelväxlare för individer som vill vidta omedelbara åtgärder, snarare än att vänta på att systemet ska bestämma när det ska hjälpa. Uppgiftsintegration är enormt eftersom det slutligen brottar gapet mellan mötescheman och att göra tid för faktiskt arbete att bli gjort.

För team är analytiska funktioner transformerande. Chefer kan nu se mönster som de aldrig har sett förut — som att identifiera när någon är konstant i möten i rad eller när teamets kollektiva fokustid eroderas av möteskrypning. Nu kan ledare fatta datadrivna beslut om arbetsbelastning och möteshygien istället för att bara hoppas att alla hanterar sin tid väl.

Kombinationen av dessa förbättringar innebär att team kan gå från reaktiv kalenderhantering till proaktiv tidsstrategi.

Vilken roll spelar data — som de 17 miljoner månatliga kalenderhändelser som Clockwise analyserar — i att möjliggöra mänsklig nivå schemaläggningsintelligens?

Det finns två lager i det här svaret.

Först, på ett mycket direkt sätt, möjliggör den enorma mängden data vi bearbetar och analyserar att vi kan leverera en bättre, mer nyanserad schemaläggningshjärna. Clockwise analyserar över 160 miljoner kalenderdata punkter varje dag, testar miljontals kalenderarrangemang och orkestrerar optimeringar för att hålla team produktiva. Systemet aggregerar den informationen för att bättre förstå hur och när individer, team och hela organisationer faktiskt gör sitt bästa arbete. Detta återinförs sedan i produkten i allt från algoritmiska förbättringar till bättre UI/UX.

Andra, givet kalenderns skala — både hård data som flödar från API:er, men lika viktigt, mjuk data i form av individuella preferenser — inom moderna organisationer, gör det bokstavligen omöjligt för någon enskild människa att navigera.

Medan de bästa mänskliga assistenterna är bra på att fatta beslut baserat på kontextuell kunskap, kan de verkligen bara optimera för en, två, kanske tre individer åt gången. Det är helt enkelt för komplext att navigera de kombinatoriska begränsningarna för alla deltagare. En AI-kalenderassistent, å andra sidan, kan effektivt schemalägga på företagsnivå genom att kombinera system med domänkunskap och bearbetning av massor av data effektivt.

Traditionell schemaläggning frågar: “När är alla lediga?” Men den bättre frågan är: “När är den bästa tiden för det här arbetet att bli gjort, och hur kan vi göra det?” Du kan verkligen bara hantera den frågan för alla om du opererar över nätverket av alla scheman samtidigt.

Hur ser du att företag kommer att utnyttja Clockwise MCP med agenter från Anthropic, OpenAI och andra? Är vi på väg mot att varje företag kommer att köra sitt eget AI-drivna verkställande biträde?

Det är någon annans gissning just nu, men min gissning är att det kommer att finnas två assistentlager i företaget: ett lager kommer att ge varje anställd en orkestrerande agent — det kan liknas vid en superkraftfull EA eller Chief of Staff — som kommer att ringa till flera olika agenter som är experter inom specifika områden. Jag tror att det troligen kommer att finnas flera olika leverantörer för den orkestrerande agenten. Till skillnad från konsumentutrymmet, där ChatGPT dyker upp som dominant, tenderar företaget att spricka baserat på de specifika behoven hos olika organisationer.

Det domänspecifika agentutrymmet kommer att vara mycket mer diversifierat och intressant. Precis som du inte nödvändigtvis vill att Microsoft (MSFT ) ska tillhandahålla all programvara för din organisation (även om Microsoft säkert vill!), är det tydligt att vi alla kommer att vilja hjälp av specifika agenter som tillhandahålls av specifika programvaruleverantörer för att hantera specialiserade uppgifter.

Schemaläggning och tidsstyrning är definitivt ett av dessa specialiserade fall. För att göra det rätt behöver AI färdigheterna att leverera vad människor verkligen behöver för att göra sin arbetsdag mer produktiv. Tänk dig en kalenderagent som känner till hela ditt teams leveranser, personliga energimönster och organisatoriska prioriteringar, och sedan automatiskt orkestrerar alla scheman för att optimera resultaten. Inga mejl fram och tillbaka, inga schemakonflikter, inga kontextbyten. Assistenterna kommer att utvecklas från “Hej, du har ett möte om 10 minuter” till “Jag har förberett dina diskussionspunkter, rensat konfliktande prioriteringar och säkerställt att alla intressenter har förhandsmaterialen”.

Företagen som åtar sig att integrera tidsrelaterad resonemang i sina AI-arbetsflöden kommer inte bara att rädda oss från dåliga möten; de kommer att låsa upp en ny frontier av produktivitet som drivs av mänsklig-AI-samarbete.

Vilka säkerhetsåtgärder eller etiska överväganden kommer in i spel när man bygger en AI som resoneras om hur människor använder sin tid?

Först, från ett sekretessperspektiv, tillåter vi aldrig modeller åtkomst till kunddata för utbildning. Aldrig. Och vi går till stora längder för att säkerställa att detta är fallet. Kundförtroende är absolut avgörande inte bara för vår kommersiella framgång, utan också för våra företagsvärderingar.

Andra, vi optimerar för mänskligt välbefinnande (som fokusblock, mötespauser och lunch) över traditionella produktivitetsmått. Vi undviker explicit funktioner som möjliggör mikrohantering eller arbetsplatsövervakning: inga instrumentpaneler om teamschemavanor, inga “produktivitetsscore” för prestationer. Medan användarpreferenser informerar Clockwises optimeringar, behåller människor kontrollen över sina kalendrar samtidigt som de får intelligenta rekommendationer som de kan acceptera eller ignorera. Vi minskar schemaläggningsfriktion samtidigt som vi behåller mänsklig kontroll över människors mest värdefulla resurs: deras tid.

Om du ser framåt, hur ser du förhållandet mellan AI-assistenter och mänsklig produktivitet utvecklas under de närmaste fem åren, och var passar Clockwise in i den framtiden?

På en mycket hög nivå ser jag AI som ett annat verktyg. Förmågorna det möjliggör kommer att förstärka och ge kraft åt miljoner, men kommer också att förändra var människor är som mest värdefulla. Jag hoppas att vi som samhälle kan vara mer tankfulla om den mänskliga påverkan av stora förändringar i vår ekonomi än vi har varit i det förflutna. Men jag måste säga att den nuvarande politiska miljön inte inspirerar optimism på den fronten.

På en mer taktisk nivå tror jag att vi kommer att se några förändringar.

Först, när agentarbetsflöden blir mer tillförlitliga och vanliga — en trend som för närvarande startar, men har långt kvar — kommer vi att se en utveckling från reaktiv till proaktiv arbetsflöde. Till exempel, när Clockwises schemaläggningshjärna har utvecklats i sin tillförlitlighet, har vi kunnat genomföra mer proaktiva och aggressiva ingrepp för en användares räkning. För att göra detta måste tekniken vara robust, självsäker och nyanserad nog att fungera utan mänsklig inmatning. När AI-agenter i allmänhet blir mindre krångliga, mer deterministiska och mer motståndskraftiga, tror jag att de kommer att göra samma skift.

Andra, vi kommer att se plattformstillväxten. Just nu är det en öppen tävling för vem som kan vara den orkestrerande agenten i företaget. Som jag nämnde tidigare tror jag att det finns utrymme för fler än en dominant spelare i företaget. Men som vi har sett i tidigare tekniska skift, är det svårt för slutanvändare att komma åt ny teknik tills plattformskrig har löst sig en aning. Som en tredjepartsprogramvaruleverantör behöver du veta vilka plattformar som är värda att investera i, och som programvaruköpare behöver du ha förtroende för att valet du gör kommer att vara en bra investering. Så tills det har löst sig, kommer vi alla att lägga en del av våra entreprenöriella resurser på att göra gissningar och experimentera. För övrigt betyder det troligen att vi kommer att se en cykel av bubbe-explosion och återuppbyggnad.

Tredje, vi kommer att se utvecklingen av nuvarande standarder i en riktning som gör det möjligt att skapa riktiga plattformar. Just nu är MCP en tillräckligt bra lösning för tredjepartsverktygssamtal, men den har många veck som måste jäsas ut. Utöver det tror jag att vi kommer att behöva se en standard för att injicera tredjepartsgränssnitt i agenter och chattgränssnitt. Människor är visuella varelser och programvaruleverantörer är experter på det bästa sättet för användare att effektivt interagera med sin programvara (ja, de är ofta experter…).

Tänk dig en AI som inte bara analyserar kalenderkonflikter utan också automatiskt visualiserar teamtillgänglighet och schemaläggningsalternativ i ditt projektledningsverktyg, eller en som transformerar budgetdiskussioner i Slack till realtidsfinansiella instrumentpaneler där intressenter kan utforska scenarier tillsammans. Dessa typer av sofistikerade, sammanlänkade system kommer att förstå kontext tillräckligt djupt för att veta när de ska förbli osynliga och när de ska presentera insikter genom det mest effektiva mediet — antingen som ett meddelande, ett visuellt gränssnitt eller direkt åtgärd. I den här framtiden blir AI infrastruktur snarare än en destination.

Den slutliga visionen: AI som förstärker mänsklig kreativitet genom att ta bort friktionen mellan avsikt och genomförande. När schemaläggningsintelligens blir osynlig infrastruktur, fokuserar människor helt på arbete som bara människor kan göra. Framgång kommer inte att mätas av hur imponerande AI känns, utan av hur ansträngningslöst komplex samordning blir — tekniken försvinner i bakgrunden medan mänsklig potential flyttar till rampljuset. Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Clockwise.